-
公开(公告)号：CN116165646B
公开(公告)日：2023-08-11
申请号：CN202310150016.X
申请日：2023-02-22
Applicant: 哈尔滨工业大学
Abstract: 一种基于分割网络的虚警可控雷达目标检测方法，属于雷达目标检测技术领域。本发明针对基于神经网络的雷达目标检测中，NP准则由于不可微分而无法直接用于神经网络训练的问题。包括确定目标训练样本和杂波训练样本；构建虚警可控的轻量化U‑Net分割网络模型，并利用训练样本对网络参数进行迭代优化训练，得到训练后分割网络模型；所述轻量化U‑Net分割网络模型基于可微分纽曼皮尔逊准则设置关于网络参数的可微分纽曼皮尔逊损失函数，包括监督损失函数项和正则损失函数项；采用训练后分割网络模型对实时雷达AR谱数据进行目标区域的检测，再根据目标区域检测结果采用点迹提取器提取目标位置，实现虚警可控的目标检测。本发明实现了虚警可控雷达目标检测。
-
公开(公告)号：CN116299271A
公开(公告)日：2023-06-23
申请号：CN202310150017.4
申请日：2023-02-22
Applicant: 哈尔滨工业大学
IPC: G01S7/41 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09 , G01S13/88
Abstract: 一种基于可微分纽曼皮尔逊准则的虚警可控雷达目标检测方法，属于雷达目标检测技术领域。本发明针对基于神经网络的雷达目标检测中，NP准则由于不可微分而无法直接用于神经网络训练的问题。包括：采用传统CFAR检测器处理雷达AR谱原始数据以提取侯选目标，产生以候选目标为中心的样本图像块；采用所有样本图像块构建训练数据集，并对所有训练数据配置标签；构建虚警可控的小型分类网络模型，并利用训练数据对网络参数进行迭代优化训练，获得训练后分类网络模型；由实时雷达AR谱数据获得待检测图像块，并采用训练后分类网络模型进行目标检测。本发明实现了虚警可控雷达目标检测。
-
公开(公告)号：CN116165646A
公开(公告)日：2023-05-26
申请号：CN202310150016.X
申请日：2023-02-22
Applicant: 哈尔滨工业大学
Abstract: 一种基于分割网络的虚警可控雷达目标检测方法，属于雷达目标检测技术领域。本发明针对基于神经网络的雷达目标检测中，NP准则由于不可微分而无法直接用于神经网络训练的问题。包括确定目标训练样本和杂波训练样本；构建虚警可控的轻量化U‑Net分割网络模型，并利用训练样本对网络参数进行迭代优化训练，得到训练后分割网络模型；所述轻量化U‑Net分割网络模型基于可微分纽曼皮尔逊准则设置关于网络参数的可微分纽曼皮尔逊损失函数，包括监督损失函数项和正则损失函数项；采用训练后分割网络模型对实时雷达AR谱数据进行目标区域的检测，再根据目标区域检测结果采用点迹提取器提取目标位置，实现虚警可控的目标检测。本发明实现了虚警可控雷达目标检测。
-
公开(公告)号：CN113608213A
公开(公告)日：2021-11-05
申请号：CN202110886593.6
申请日：2021-08-03
Applicant: 哈尔滨工业大学
Abstract: 一种基于船用雷达信息融合的海上目标联合检测方法，涉及船用雷达技术领域，针对现有技术中单部雷达往往具备固定方位的遮挡，存在一定探测盲区，导致盲区内的态势无法观测，盲区内的目标也无法有效进行跟踪的问题，包括：一：获取两部雷达视频；二：获取两部雷达视频分别对应的极坐标系，并将极坐标系转换为直角坐标系；三：将两部雷达视频由各自的直角坐标系统一到一致参考点CCRP直角坐标系下；四：利用融合策略将一致参考点CCRP直角坐标系下的两部雷达视频进行融合；五：输出融合后的图像。本申请能够解决两部雷达由于安装位置，或者雷达本身的原因造成的盲区、信息利用不全面、并且盲区内的目标也无法有效进行跟踪的问题。
-
-
-
Search Results
4
records
(took 0.019 seconds)
